《王国洲+参考文献》由会员分享，可在线阅读，更多相关《王国洲+参考文献（10页珍藏版）》请在金锄头文库上搜索。
1、1基于光谱理论的作物营养诊断研究进展王国州 摘要:本文主要概述了光谱技术在农作物营养诊断方面的应用状况，着重评述了光谱技术在作物叶绿素含量、叶面积指数（LAI） 、水分含量、氮 N、磷 P、钾K 营养元素等估测的国内外研究状况和进展。并对光谱技术在作物营养诊断与检测方面的研究进行了展望。关键词:植物营养;；高光谱技术;；光谱诊断Research advance on plant nutrition diagnosis based on spectral theoryWANG Guo-zhouAbstract: In the article，the application of spectral
2、 technology on plant nutrition diagnosis was mainly introduced. Then the methods of hyper spectral data extraction and analysis were summarized focusing on the crops leaves chlorophyll content, leaf area index, moisture, nitrogen, phosphorus, potassium nutrients nutrition diagnosis and nutrients con
3、tents prediction. In addition, the prospect of spectral technology on plant nutrition diagnosis and detection was brought up.Key words: plant nutrition; hyper spectral technology; spectral diagnosis2前言随着现代科学技术的发展，特别是计算机技术、空间技术和信息技术的迅猛发展，人类社会已经步入信息时代，人们也越来越借助于现代高新技术来解决农业生产中的问题。人们利用全球定位系统(GPS) 、地理信息系统
4、(GIS)在空间尺度上挖掘田间信息的同时，遥感技术(RS)的发展，也日益深入到农业生产中。近 30 多年来，农业遥感在沿着单一波段多光谱高光谱方向发展的同时，遥感技术(RS)在作物长势监测与估产 1-2、农情宏观预报、环境监测、灾害防治、农业资源调查等方面作出了重要贡献 3。在农作物生产中，尤其是在当今越来越显现其优势的精准农业中，而养分管理是农业生产中的重要环节之一。利用作物的光谱特性对其营养状况实时监测和快速诊断一直是精准农业中的研究热点 4。植物叶片的光谱特征与叶片厚度、叶片表面特性、水分含量和叶绿素等色素含量有关 5，同时也与植物营养状况密切相关 6-8。在 400-2400nm 光谱
5、范围内大约 420nm 处对应一定生物化学成分的吸收特征，它们可以帮助我们理解光谱吸收特征的生物学意义，为运用遥感手段估测叶片生化组成及含量提供了可能 9。随着高光谱遥感技术的发展，高光谱技术以它的光谱分辨率高(3-10nm)、波段连续性强(400 -2500nm 范围内有几百个波段 )等优点和特点可以用来监测农作物长势和营养状况并反演农作物的理化特性。因此，作物养分的管理是以高产、优质、高效为目标的作物生产中最为重要的管理内容之一。本文就光谱技术的原理及其在作物营养诊断上的应用作一下概述。1 植物光谱诊断原理每一种物体的内部结构和表面特性均不相同，对不同波长的电磁波的吸收和反射都不同。物体的
6、这种对不同波段光谱的响应特性叫光谱特性。农作物和自然界存在的各种物体一样，其体温总在绝对温度 0 K 以上，就随时随地都在不断地发射各种波长的电磁波，并对外界照射来的人工和自然电磁辐射发生一定的吸收和反射 10。植物光谱诊断的基础便是植物的光谱特性 11。植物叶子中生物化学成分含量的变化在光谱维方向上表现在其吸收波形的变化，植物光谱的导数实质上反映了植物内部物质(叶绿素及其它生物化学成分)的吸收波形变化，因而可通过植物的光谱特性监测植物的营养状况 12。植物缺乏营养元素不仅会严重影响其生长速度和产量，而且还能引起植株3体内相关生化成分的变化。宏观上，作物的长势、冠层结构、叶片颜色和厚度；微观上
7、叶片色素、水分等某些理化组分的含量等发生不同的变化，都会引起某些波长处的光谱反射和吸收产生差异，从而产生了不同的光谱反射率，利用光谱上产生显著差异的敏感光谱或关键波段建立估测模型，反演作物体内生化成分含量。2 国内外利于光谱技术诊断作物营养的研究进展目前，描述农作物的生化参数有多种，其中主要有叶绿素、叶面积指数、含水量和植株的氮 N、磷 P、钾 K 素等，这些参数与农作物的营养状况、产量紧密相关；而农作物营养元素含量的多少会在叶片的光谱特性上有所反映。高光谱遥感技术是通过检测作物冠层的光反射和光吸收性质来检测作物营养状况，可实现大面积、无破坏、快速地获取农田长势信息。2.1 利用光谱技术检测作
8、物叶绿素叶绿素含量是植被光合作用能力、氮 N 素胁迫和发育阶段（特别是衰老阶段）的指示器。Horle 等 13研究了植被光谱与叶绿素浓度的关系，并提出了光谱“红边”位置( 植被的导数光谱在 0.7m 附近的极大值处的波长值 )在植被叶绿素浓度估计中的作用。A.Pinar 等 14比较了草丛群体光谱“红边”位置与叶片叶绿素浓度、叶绿素密度的关系，表明群体植被光谱“ 红边” 位置能够更好地反映草丛的叶绿素密度信息。申晓慧 15研究表明：大豆在 550nm 处光谱反射率有小幅度上升趋势并趋于平缓，而叶绿素含量变化是先增高再下降，在近红外区光谱反射率逐渐下降，说明此时受冠层结构和叶片结构及生物含量不同
9、等因素的影响，从花期到结荚期，叶片光谱反射率随着生育期的推移呈现下降趋势，随着时间的推移叶绿素含量逐渐增加。mSR705、mND705 无论是在低含量叶绿素的叶片上还是较高含量叶绿素的叶片上，都表现出与叶绿素含量极显著正相关，表明这两个植被指数对叶绿素含量的估计都将有较好的预测效果。因此，mSR705、mND705 是预测叶片叶绿素含量的最好的植被指数。宋开山 16等对大豆研究表明:大豆微分光谱在红边波段与叶绿素 a、b 含量的相关性明显强于反射光谱与叶绿素 a、b 含量的相关性。吴长山等 17发现植被群体反射光谱及其导数光谱与叶绿素密度有较高的相关性，并利用几种农作物的导数光谱在近红外波段处
10、（0.762m ）与叶绿素密度的高相关性，建立了回归方程，其估计的标准4偏差为 0.272g/m2，估计精度约为 80.6%。2.2 利用光谱技术检测作物叶面积指数早在 20 世纪 70 年代，Wiegand 等人 18研究了光谱特征与叶面积指数 LAI 之间的关系。 Miller 19应用比值植被指数、垂直植被指数等来反演叶面积指数。Patel 等 20利用基于植被反射光谱波形分析的红边参数来反演叶面积指数。2002 年，Aparicio 等 21在小麦上的研究表明，LAI 与植被指数的关系不仅不受栽培措施的影响，也不受品种及栽培地区的影响。薛利红等 22综合比较分析了几种常见光谱植被指数与
11、水稻叶面积指数的相关性及预测力，发现宽波段光谱植被指数与水稻 LAI 相关性呈现幂函数和指数关系。黄春燕 23基于RVI 和 MSAVI2 植被指数，建立了大豆叶面积指数 (LAI)的 6 种单变量线性与非线性函数模型，经检验均达到 1%极显著水平。田永超 24指出叶面积指数与原始高光谱组成植被指数存在着良好的相关性,其中两波段差值指数形式最好，其次为比值和归一化植被指数。3 种形式中与 LAI 相关较好的组合波段范围较接近，均分布在 750-850nm 与 730-770nm 范围的组合但各种形式效果最好的组合稍有差异，如差值指数形式组合较好的波段为 800-860nm 与 755-765n
12、m 的组合，归一化和比值指数形式组合较好的波段为 800- 860nm 与745-755nm 的组合。其中差值指数形式的组合与 LAI 的相关性显著高于其他两种形式。2.3 利用光谱技术检测作物含水量从 20 世纪 80 年代开始，国内外学者已经发现作物的水分胁迫状况能够在光谱反射率数据中有所体现，大量的研究表明，植被水分信息可以在许多波段处有所反映。2001 年 Ceccato 等 25，结合使用短波红外波段(1.3-3.0m)和近红外波段(0.7-1.3m)的比值(1.6m 和 0.82m 波段的 1.6/0.82)，比只用单一波段估测的植被含水量更准确。Michio 等 26利用 0.9
13、6m 处的导数光谱来监测水稻的水分亏缺状况。Penuelas 等指出 27可用 R0.97m/R0.9m作为水分指数监测小麦的水分状况，水分指数 WI（Water Index）可以较为灵敏地反映叶片相对含水量、叶片水势、气孔电导性和细胞壁弹性等。而田庆久等研究得出28，小麦叶片相对水分含量与光谱反射率在 1.45m附近水的特征吸收峰深度和面积呈现良好的线性正相关关系，通过光谱反射率可以定量测定作物含水量5和诊断小麦缺水状况。王纪华等 29研究认为，小麦叶片含水量与 1.65-1.85m 处的光谱特征峰的吸收深度和吸收面积呈现显著的线性负相关关系。2.4 利用光谱技术检测作物氮 N 素N 素是作
14、物生长发育周期中需要量最多的营养元素之一，也是对作物生长、产量和品质影响最为显著的营养元素之一。20 世纪 70 年代以来科学家们就进行了大量的基础研究去研究利用光谱诊断氮 N 素的可能性，寻找 N 素的关键波段(敏感波段 )及其反射率在不同 N 素水平下的表现，试图在 氮 N 素和光谱之间建立某种关系。Thomas 等 30根据不同氮 N 素水平下的作物叶片光谱特征，发现缺氮缺 N 时可见光波段反射率增加。受氮 N 素胁迫的玉米叶片在可见光区的光谱反射率比正常玉米的光谱反射率要强 31，在近红外(NIR)波段反射率比正常玉米的光谱反射率要弱 32，而在近红外波段有所下降。Everitt 等
15、33研究认为野牛草在不施氮 N 的情况下，在可见光 500-750 nm 之间有最高的光谱反射率。Hinzman 等 34研究表明氮肥 N 肥处理的小麦冠层反射率在可见光区下降，在近红外区上升，在中红外区下降。王人潮 35研究氮 N 素营养水平与水稻叶片光谱的关系，得出 NDVI 与 RVI 等指数与水稻叶片含氮 N 量的相关关系，以及其后又提出利用上下叶位叶片红边一阶微分光谱反射峰变化趋势的描述参数 LRPSA(Leaf Red Edge Peak Slope Angle)，分析了其与叶片光谱、叶绿素含量值、叶片光谱红边斜率和叶片含氮 N 量之间的相关性，并建立了估算 氮 N 素含量的回归模
16、型。薛利红和曹卫星 36等研究表明：水稻冠层光谱反射率与叶片氮 N 积累量( 单位土地面积上叶片的氮 N 素总量)显著相关，尤其是近红外与绿光波段的比值(R810/R560)与叶片氮 N 积累量(LNA) 呈显著线性关系，不受氮肥 N 肥水平和生育时期的影响。2.5 利用光谱技术检测作物磷 P 素与氮 N 相比，植物中磷 P 营养与光谱特性的关系研究较少。研究表明，植物磷 P 营养元素的多少对光谱特性有较大影响，但其影响不像氮 N 营养水平那样一致 37。植物轻度缺磷 P 时，叶绿素浓度有可能提高，但在严重缺磷 P 时，叶片光谱分析才能用于磷 P 营养诊断。Milton 等 38在大豆的水培试验中发现，缺 P 植物在绿光和黄光区其光谱反射率有所增加，并不表现出红边位移特征。6Sembiring 等 39用 435nm 处的反射
